Vecinos más Cercanos Explicables (Explainable K-Nearest Neighbors)
Vecinos más Cercanos Explicables (XKNN) aumenta el clasificador o regresor KNN clásico con mecanismos de explicación post-hoc o integrados estructurados, exponiendo qué vecinos recuperados, qué características y qué contribuciones de distancia impulsan cada predicción individual, haciendo que el razonamiento del modelo sea transparente y auditable para los responsables de la toma de decisiones humanas.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Cover, T. & Hart, P. (1967). Nearest neighbor pattern classification. IEEE Transactions on Information Theory, 13(1), 21–27. DOI: 10.1109/TIT.1967.1053964 ↗
- Papernot, N. & McDaniel, P. (2018). Deep k-Nearest Neighbors: Towards Confident, Interpretable and Robust Deep Learning. arXiv preprint arXiv:1803.04765. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Explainable K-Nearest Neighbors (XKNN). ScholarGate. https://scholargate.app/es/machine-learning/explainable-k-nearest-neighbors
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Árbol de DecisiónAprendizaje automático↔ compare
- LIME: Explicaciones Locales Interpretables Agnósticas al ModeloAprendizaje automático↔ compare
- Naive BayesAprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →